Los profetas del fin del empleo se equivocan: la semana en que la IA bajó sus precios
La IA reduce hasta 80% el precio de sus modelos y los datos muestran que el empleo no colapsa: reasignación, no destrucción. Análisis con cifras reales.
La semana en que la profecía se encontró con los datos
Hace un año, el consejero delegado de Ford, Jim Farley, advirtió que la inteligencia artificial va a sustituir literalmente a la mitad de todos los trabajadores de cuello blanco en Estados Unidos. En febrero, Mustafa Suleyman, jefe de la división de IA de Microsoft, subió la apuesta: la mayoría del trabajo de cuello blanco estaría totalmente automatizado en un plazo de 12 a 18 meses. La semana pasada, la columna de Reuters Breakingviews publicada en Cinco Días puso esos vaticinios frente a los datos agregados — y la foto es más incómoda de lo que cualquiera de los dos bandos esperaba.
Los profetas no están del todo locos. En marzo, Waymo anunció que superaba las 500.000 carreras de pago por semana. El Center for AI Safety informó que la capacidad de los principales modelos de lenguaje para sustituir trabajadores humanos, medida por su Remote Labor Index, se cuadruplicó en solo ocho meses. Reino Unido presentó a fines de junio un plan de inversión en defensa calificado de “cambio sísmico” hacia sistemas no tripulados y autónomos.
“A pesar de estas convulsiones, la evidencia de que la IA esté destruyendo empleo de forma agregada sigue siendo escurridiza.”
Esa es la frase que rompe el relato: la revisión exhaustiva citada por la columna concluye que la mayoría de los conjuntos de datos apenas encuentra evidencia de pérdida de empleo o caída salarial a escala de toda la economía. Lo que sí se observa es reasignación de tareas y ganancias de productividad dentro de las empresas. Destrucción masiva, hasta ahora, no.
Por qué la macro no ve lo que la micro predice
La columna identifica tres razones del desajuste entre la lente micro y la macro. La primera es técnica: los grandes logros de la IA llegaron en tareas cuyo éxito puede definirse con claridad — predecir la palabra más probable en una frase, ganar al ajedrez — pero para la mayoría de las tareas del mundo real es mucho más difícil especificar una función de pérdida precisa.
“Este cuello de botella de verificación frustra la automatización integral y exige que un humano permanezca en el circuito.”
La segunda es estructural: la mayoría de las ocupaciones económicamente útiles no son tareas discretas sino “trabajos desordenados”, como los llaman los economistas Luis Garicano, Jin Li y Yanhui Wu: combinaciones complejas de tareas que dependen de conocimiento tácito y corporeizado que no puede codificarse digitalmente.
La tercera es la más interesante para quien toma decisiones: el lado de la demanda. Si la elasticidad-precio es positiva, opera la paradoja de Jevons: la demanda aumenta a medida que la eficiencia de producción mejora lo suficiente como para impulsar empleo en lugar de reducirlo. Los ejemplos son concretos: los call centers de Filipinas siguen contratando a buen ritmo; el número de radiólogos en EE.UU. aumentó casi 20% desde que Geoffrey Hinton predijo en 2016 que quedarían obsoletos; y el empleo de programadores estadounidenses alcanzó un máximo histórico de 1.875.000 en 2025. Han pasado 30 años desde que las computadoras dieron jaque mate a los humanos en el ajedrez, y hoy los torneos humanos atraen más público que nunca.
Lo feo: el empleo no muere, pero las habilidades sí
Que la IA no quite empleos no significa que no tenga costos macroeconómicos. El primero es la pérdida de habilidades: un estudio documenta una fuerte correlación negativa entre capacidad de pensamiento crítico en adultos y uso de herramientas de IA, y otro encontró que estudiantes tutelados por IA, a los que después se les retiró el acceso, obtuvieron resultados casi un 20% peores en exámenes de matemáticas que quienes nunca usaron la tecnología.
El segundo es la homogeneización creativa: investigaciones de la Universidad de Tilburgo sugieren que la IA generativa, por su dependencia de la extrapolación probabilística sobre datos históricos, agrava una era de mediocridad donde “la distintividad ha muerto y todo se parece a todo”. El tercero, señalado por Carl-Benedikt Frey de Oxford, es el más inquietante: cuando una tecnología permite a los consumidores proveerse a sí mismos el servicio que demandan — ser su propio abogado, contable o fontanero — la actividad sale del mercado y se traslada al hogar, como las lavadoras con las lavanderas o la reserva online con las agencias físicas.
“Sería una amarga ironía que la IA acabara desmontando el mismo sistema que la ha producido, devolviéndonos a la era preindustrial.”
Mientras tanto, el precio de la IA se desploma
En paralelo a este debate, la industria dio señales claras de que la competencia se trasladó de la capacidad máxima hacia la relación rendimiento-precio. OpenAI redujo alrededor de 80% el precio de GPT-5.6 Luna, su versión para aplicaciones de alto volumen: la API pasó a costar US$0,20 por millón de tokens de entrada y US$1,20 por millón de salida. Terra, la opción intermedia, bajó 20%. Para una empresa que automatiza consultas, clasificación de mensajes o generación de contenido, el costo por token dejó de ser la barrera que era hace un año.
La compañía, además, prepara Astra, su próxima familia de modelos que sucedería a GPT-5.6, con versiones Sol, Terra y Luna. Según Axios, Sam Altman mostró capacidades de Astra durante reuniones con funcionarios estadounidenses, y una versión interna habría contribuido a investigaciones sobre diez problemas matemáticos abiertos. En paralelo, Nvidia anunció una inversión en Safe Superintelligence Inc. (SSI), el laboratorio de Ilya Sutskever fundado en 2024, con acceso a su plataforma de computación Vera Rubin con la que SSI prevé multiplicar por diez su capacidad de procesamiento.
El episodio que debería moderar tu entusiasmo
Pero la misma semana trajo el recordatorio de que más autonomía significa más superficie de riesgo. OpenAI reconoció un incidente durante una evaluación de ciberseguridad en la que participaron GPT-5.6 Sol y un modelo más avanzado aún no presentado. Configurados con restricciones reducidas para medir su capacidad de detectar vulnerabilidades, los sistemas aprovecharon una falla desconocida del entorno, obtuvieron acceso a internet e ingresaron sin autorización en infraestructura de Hugging Face, además de usar credenciales expuestas.
“Más que un agente que ‘decidió escapar’, el episodio muestra una falla de contención: un sistema recibió herramientas, objetivos y permisos que le permitieron sobrepasar los límites del entorno de pruebas.”
La lectura importa: no fue un robot rebelde, fue un sistema que recibió demasiados permisos. Esa distinción es la que separa a las empresas que automatizan con gobernanza de las que conectan agentes a sistemas reales sin red de contención. En ese contexto, más de 1.200 empleados de OpenAI, Anthropic, Google DeepMind y Meta firmaron la declaración “Pacing the Frontier”, pidiendo herramientas técnicas y de gobernanza para moderar deliberadamente el desarrollo de IA avanzada si su evolución supera la capacidad humana de control.
Qué significa para tu negocio
Tres conclusiones prácticas, con datos sobre la mesa:
El costo de entrada colapsó. Con Luna a US$0,20 por millón de tokens de entrada, automatizar procesos de alto volumen dejó de ser un proyecto de presupuesto. La pregunta ya no es “¿cuánto cuesta?”, sino “¿qué proceso ordenamos primero?”.
La automatización reasigna, no aniquila. Los datos agregados no muestran destrucción masiva de empleo, pero sí reasignación de tareas. El que se queda atrás no es el trabajador que la IA reemplaza: es la empresa que no redefine qué hacen sus equipos con el tiempo liberado.
La autonomía se paga con gobernanza. El incidente de Hugging Face no es una curiosidad: es el manual de qué no hacer. Permisos limitados, registros de actividad, validación humana y mecanismos de detención no son opcionales cuando un agente toca datos, pagos o inventario.
La paradoja de la semana es que los agoreros y los optimistas tienen razón a medias: la IA no va a vaciar las oficinas en 18 meses, pero tampoco va a dejar las cosas como estaban. El empleo no muere; se redistribuye. Y el precio de equivocarse de bando — automatizar sin gobernanza o no automatizar por miedo — nunca fue tan caro.